Kajian produk domestik bruto tanaman bahan makanan melalui model vector autoregression

KAJIAN PRODUK DOMESTIK BRUT0

TANAMAN BAHAN MAKANAN

MELALUI MODEL

VECTOR

A

UTOREGRESSION

ANNA ASTRID SUSANTI

SEKOLAH PASCASARJANA

INSTITUT PERTANIAN BOGOR

BOGOR

PERNYATAAN

Dengan ini saya menyatakan bahwa tesis dengan judul "KAJIAN

PRODUK DOMESTIK BRUT0 TANAMAN BAHAN MAKANAN MELALUI MODEL VECTOR AUTOREGRESSIOP adalah karya saya sendiri dan belurn diajukan dalam bentuk apa pun kepada perguruan tinggi mana pun. Sumber inforrnasi yang berasal atau dikutip dari karya yang diterbitkan maupun tidak diterbitkan dari penulis lain telah disebutkan dalam teks dan dicantumkan dalarn Daftar Pustaka di bagian akhir tesis ini.

Bogor, Desember 2005

Anna Astrid Susanti

ABSTRAK

ANNA ASTRID SUSANTI. Kajian Produk Domestik Bruto Tanaman Bahan Makanan Melalui Model Vector Autoregression. Dibimbing oleh AUNUDDIN

dan KAMAN NAINGGOLAN.

Produk Domestik Bruto (PDB) merupakan salah satu indikator untuk mengukur kinerja para pelaku usaha di sektor pertanian. PDB sektor pertanian sangat dipengaruhi oleh PDB sub sektor tanaman bahan makanan sehingga perhitungan PDB sektor pertanian dapat didekati dengan menghitung nilai produksi komoditas utarna tanaman bahan makanan yaitu padi dan jagung.

Produksi dipengaruhi oleh luas panen, produktivitas, harga jual komoditas, dan harga sarana produksi. Antar peubah tersebut terdapat hubungan timbal balik sehingga diperlukan suatu model untuk menggambarkan sistem yang terjadi dalam usaha pertanian. Model vector autoregression (VAR) merupakan suatu sistem persamaan dinamis yang dapat digunakan untuk menguji hubungan antar peubah. Penelitian ini bertujuan untuk: (1) mengkaji model VAR dalam menguji hubungan antar peubah yang mempengaruhi PDB sub sektor tanaman bahan makanan, dan (2) meramalkan PDB sub sektor tanaman bahan makanan dengan menggunakan model VAR.

H a i l penelitian menunjukkan bahwa luas panen, harga komoditas, dan harga sarana produksi berpengaruh nyata terhadap PDB tanaman bahan makanan. Model yang diperoleh juga dapat menggambarkan adanya sistem pergiliran tanam antara padi dan jagung. Sistem tersebut terjadi karena adanya keterbatasan modal dan luas area yang diusahakan petani sehingga petani tidak dapat melakukan ekspansi secara cepat terhadap perubahan teknologi. Hasil peramalan PDB tanaman bahan makanan untuk satu tahun kedepan menunjukkan bahwa PDB akan mencapai Rp. 127163.48 milyar pada tahun 2004 atau naik 4.49%

KAJIAN PRODUK DOMESTIK BRUT0

TANAMAN BAHAN MAKANAN

MELALUI

MODEL

VECTOR AUTOREGRESSION

ANNA ASTRID SUSANTI

Tesis

sebagai salah satu syarat untuk memperoleh gelar Magister Sains pada

Program Studi Statistika

SEKOLAH PASCASARJANA

INSTITUT PERTANIAN BOGOR

BOGOR

Judul Tesis : Kajian Produk Domestik Bruto Tanaman Bahan Makanan Melalui Model Vector Autoregression Nama Mahasiswa : Anna Astrid Susanti

NRP : G.151024104

Disetujui

Komisi Pembimbing

Dr. Ir. Aunuddin. M.Sc. Ketua

Diketahui

Dr. Is. Kaman Nainagolan, M.S. Anggota

Ketua Program Studi Statistika Dekan Sekolah Pascasarjana

da Manuwoto, M.Sc.

__

.II

+ -2 '

PRAKATA

Puji dan syukur penulis panjatkan kepada Allah Bapa yang telah melimpahkan segala karunia-Nya sehingga penelitian dan penulisan tesis

i

n

i

dapat diselesaikan. Tema yang dipilih dalam penelitian ini adalah PDB sub sektor tanaman bahan makanan, dengan judul "Kajian Produk Domestik Bruto Tanaman

Bahan Makanan Melalui Model Vector Autoregression". Terima kasih penulis ucapkan kepada:

1. Bapak Dr. Ir. Aunuddin, M.Sc. dan Bapak Dr. Ir. Kaman Nainggolan, M.S. masing-masing selaku ketua dan anggota komisi pembimbing atas segala pengarahannya sejak awal penelitian hingga tersusunnya tulisan ini.

2. Bapak Dr. Edi Abdurachman, M.S. dan Bapak Ir. Harisno, MM. atas kesempatan berharga yang diberikan kepada penulis untuk melanjutkan pendidikan S2 di IPB.

3. Suami, anak-anak, ibu, inang, dan saudara-saudaraku atas pengertian, dukungan semangat dan doa yang tidak berkesudahan.

4. Rekan-rekan PS Statistika IPB khususnya kelas Deptan dan mbak Metha yang telah mendukung penulis dalam suka d m duka.

5. Semua pihak yang telah membantu dalam bentuk apapun kepada penulis dalam penyelesaian tulisan ini.

Semoga karya ilmiah ini bermanfaat.

Bogor, Desember 2005

RIWAYAT

HIDUP

Penulis dilahirkan di Situbondo, Jawa Timur pada tanggal 20 Mei 1967 dari ayah Edrnund Philip Mingguw dan ibu Julia Wujati. Penulis merupakan putri ketiga dari tiga bersaudara, menikah dengan Tumpak Siturnorang dan telah dianugerahi dua orang putralputri: Elyzabeth Mauli dan Yohannes Ronald Sarimatua.

Pendidikan sarjana ditempuh di Jurusan Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alarn IPB, lulus tahun 1993. Kesempatan untuk melanjutkan pendidikan ke program Magister Sains pada Program Studi Statistika Sekolah Pascasarjana IPB diperoleh tahun 2002 dari Pusat Data dan Informasi Pertanian Departemen Pertanian.

DAFTAR IS1

Halaman

...

DAFTAR TABEL

...

viii

DAFTAR GAMBAR

...

ix

DAFTAR LAMPIRAN

...

x

P E N D A H U L U A N

...

1

Latar Belakang

...

1

Tuj uan

...

2

TINJAUAN PUSTAKA

...

3

...

Model VAR 3 Kestasioneran Data

...

-4

. .

Uji Blok Eksogenitas

...

5

Penentuan Panjang Lag

...

-6

Identifikasi dan Pendugaan Parameter

...

6

Vector Error Correction Model (VECM)

...

7

Dekomposisi Ragam dan Fungsi Respons Impuls

...

8

Pola Tanam

...

9

BAHAN DAN METODE

...

11

B a h a n

...

11

Metode Analisis

...

1 3 Alur Analisis Data

...

.,.

...

1 3 HASIL DAN PEMBAHASAN

...

15

Eksplorasi Data

...

15

Kestasioneran Data

...

15

Pemilihan Ordo

...

16

Uji Kointegrasi dan Blok Eksogenitas

...

16

...

Pendugaan Model -17 Dekomposisi Ragam dan Fungsi Respons Impuls

...

22

Perarnalan PDB

...

-27

KESIMPULAN DAN SARAN

...

30

Kesimpulan

...

-30

S a r a n

...

30

DAFTAR PUSTAKA

...

1

DAFTAR

TABEL

Halaman

Uji Dickey Fuller

untuk

Kestasioneran Data

...

15

...

Hasil Perhitungan AIC dan SBC 16

...

Uji Johansen untuk Kointegrasi 17

. .

...

Uji Blok Eksogenitas 1 7

...

Dugaan Parameter Model 18

...

DAFTAR GAMBAR

Halaman

...

1 Alur Analisis Data 14

...

DAFTAR LAMPIRAN

Halaman

1 Peubah yang Digunakan Dalam Penelitian

...

34 2 Plot Data dengan Transformasi Logaritma

...

35

...

3 Dugaan Parameter Model VECM(2) 40

...

4 Dugaan Parameter Model VAR(2) -41

PENDAHULUAN

Latar Belakang

Berbagai kebijakan makroekonomi telah diupayakan pemerintah sebagai fasilitator dan dinamisator untuk menciptakan iklim usaha yang lebih kondusif. Para pelaku ekonomi serta seluruh komponen masyarakat diharapkan secara bertahap mampu berperan aktif dalarn menyelaraskan perekonomian Indonesia. Untuk menilai keberhasilan dan peranan pelaku ekonomi dibutuhkan berbagai indikator yang dapat mengukur secara konsisten perkembangan kinerja mereka dari waktu ke waktu. Ukuran paling komprehensif untuk menilai tingkat aktivitas

ekonomi suatu negara adalah nilai Produk Domestik Bruto (PDB) negara tersebut (Lipsey et al. 1995). PDB merupakan jumlah nilai tambah bruto yang dihasilkan oleh unit-unit produksi yang beroperasi di wilayah suatu negara dalam jangka waktu tertentu (BPS 2002). Secara sektoral PDB Indonesia didukung oleh 9 sektor

ekonomi termasuk di antaranya sektor pertanian. Sektor pertanian memberikan kontribusi sekitar 15% terhadap total PDB Indonesia dan menempati peringkat ketiga setelah sektor industri pengolahan dan sektor perdagangan, hotel, dan restoran.

Di sektor pertanian, PDB diperoleh dari sumbangan sub sektor tanaman bahan makanan, tanaman perkebunan, peternakan dan hasil-hasilnya, kehutanan, dan perikanan. Dari kelima sub sektor tersebut sub sektor tanaman bahan makanan memegang peranan yang sangat dominan dalam memberikan kontribusi terhadap PDB sektor pertanian dengan kontribusi rata-rata per tahun mencapai

lebih dari SO%, sehingga fluktuasi PDB sektor pertanian cenderung mengikuti fluktuasi PDB sub sektor tanaman bahan makanan. Tanaman bahan makanan umurnnya diproduksi oleh petani kecil, mencakup komoditas padi, palawija, sayuran, dan buah-buahan. Sub sektor ini menjadi penting karena peranannya dalam penyerapan tenaga ke rja serta penyediaan pangan dan gizi masyarakat. Dari sisi penyerapan lapangan kerja, sebanyak 44.34% tenaga kerja terserap di sektor pertanian dari total tenaga kerja Indonesia (Abdurachman 2004).

mengurangkan biaya antara dari masing-masing nilai produksi bruto sub sektor tersebut (BPS 2000). Karena produksi dipengaruhi oleh banyak peubah seperti luas panen, harga jual komoditas, biaya produksi, impor, clan lain sebagainya, maka diperlukan suatu model yang dapat digunakan untuk menganalisis hubungan antar peubah dan sekaligus dapat merarnalkan nilai PDB sub sektor tanaman bahan makanan. Peramalan PDB diperlukan dalam memperkirakan kinerja perekonomian di sub sektor tersebut sebagai bahan masukan bagi pengambil kebijakan sektor pertanian, namun peramalan PDB secara parsial tidak dapat dilakukan karena peubah-peubah penjelas tidak tersedia pada periode waktu yang sama.

Salah satu model yang banyak digunakan adalah model vector autoregression (VAR) yang merupakan suatu sistem persamaan dinamis untuk menguji hubungan antar peubah dengan menggunakan asumsi minimal tentang

struktur yang membentuk model (Ashenfelter et al. 2003; Bank of England 2004).

Selain itu model VAR juga dapat digunakan untuk peramalan. Banyak penelitian di bidang ekonomi telah dilakukan sebelumnya dengan menggunakan model VAR baik untuk menganalisis hubungan antar peubah ekonomi maupun untuk peramalan (Rapallo 1998; Evans & Kuttner 1998; Robertson & Tallman 1999;

Valle 2002). Ciri utama penggunaan model VAR adalah adanya hubungan timbal balik di antara beberapa peubah yang saling mempengaruhi, sehingga pada model VAR semua peubah dianggap sebagai peubah endogen dan diperlakukan secara simetrik. (Enders 1995).

Tujuan

Penelitian ini bertujuan untuk:

a. Mengkaji model VAR dalam menguji hubungan antar peublih yang memperrgaruhi PDB tanarnan bahan makanan.

-

b. Meramalkan PDB tanaman bahan makanan dengan menggunakan model

TINJAUAN PUSTAKA

Model VAR

VAR adalah suatu sistem persamaan dinamis dimana pendugaan suatu peubah pada periode tertentu tergantung pada pergerakan peubah tersebut dan peubah-peubah lain yang terlibat dalam sistem pada periode-periode sebelumnya (Enders 1995; Bank of England 2004). Dalam penggunaannya VAR hanya memerlukan sedikit asurnsi tentang struktur pembentuk model dan lebih memfokuskan pada interaksi antar peubah ekonomi (Ashenfelter et al. 2003; Bank of England 2004). Dengan demikian pemilihan peubah-peubah yang terlibat dalam sistem dan panjang lag akan sangat menentukan dalam pembentukan model VAR (Sims 1980). Dalam VAR semua peubah dianggap sebagai peubah endogen sehingga pembuat kebijakan dapat membuat keputusan secara rasional berdasarkan pengalaman sebelumnya dan keputusan yang diambil akan berbeda untuk setiap rezim yang berbeda.

Untuk suatu sistem sederhana dengan 2 peubah, model simultan yang dibentuk (Enders 1995) adalah sebagai berikut :

yt = bl0

-

b l 2 ~ + Yllyt-1 + Y12Zt-1 + Eyt _{( I )}

zt = b20 - b21yt + ~ 2 1 ~ t - I + ~ 2 2 ~ t - 1 + &a (2)

dengan asumsi: (a) yt dan zt stasioner; @) cyt dan adalah galat dengan simpangan baku o, dan o,; dan (c) (cyt ) dan

(ea

) tidak berkorelasi.

Persamaan (1) dm (2) mempunyai struktur timbal-balik karena yt

dan

q saling mempengaruhi.

Persamaan

ini

merupakan

persarnaan VAR struktural. Dalam bentuk aljabar matriks sistem tersebut dapat dituliskan menjadi:

B X ~ =

ro

+

r l ~ t - l

+

ct ₍₃₎

Jika persamaan (3) dikalikan dengan B-' akan diperoleh model VAR bentuk standar atau reduced form:

xt = B-'ro

+

B-lrlxt-l

+

B-lct

xt = A.

+

Alxt-1

+

et ₍₄₎

dengan A. = Bmlro

A1 = B-ll-1

Secara umurn model VAR berordo p mempunyai bentuk persamaan (Enders 1995) sebagai berikut:

xt = A.

+

Alxt-1

+

A2xte2

+

.

. .

+

Apxt+,

+

et (5) dimana

Xt : vektor peubah endogen berukuran nxl, diasumsikan stasioner

A. : vektor intersep berukuran nxl

Ai : matriks parameter berukuran nxn untuk i = 1,2,

. .

. ,

p

et : vektor galat berukuran nxl yang diasumsikan saling bebas terhadap et-i dengan nilai tengah 0 dan ragam konstan

P : panjang lag t : periode amatan

dengan

&

= B-'ro

,

Ai = B-'I'~ dan et = Bmlct.

Kestasioneran Data

Model VAR mengasumsikan data dari peubah-peubahnya bersifat stasioner. Data stasioner adalah data yang tidak memiliki trend, pola musiman clan keragamannya konstan atau homogen (Wei 1994). Untuk pengamaLm deret waktu, suatu proses dikatakan stasioner jika berasal dari sebaran yang sama (Ashenfelter et al. 2003). Secara m u m suatu proses stasioner jika fungsi kepekatan peluang bersama f(xl, x2,

.. .,

xt) tidak berubah terhadap perubahan waktu (Cryer 1986) atau f(xt &+I, xt+2,

...,

xt+k) = f ( ~ t + ~ ,

. . .,

xt+m+k). Data yang

tidak stasioner dapat dibuat menjadi stasioner dengan proses pembedaan (dzflerencing).

Kestasioneran data dapat diuji dengan uji Dickey Fuller melalui model pendiferensian sebagai berikut :

Hipotesis yang diuji adalah :

Ho : p = 1 untuk a = 0 (data bersifat tidak stasioner)

. .

Nilai p diduga melalui metode kuadrat terkecil dan pengujian dilakukan dengan uji t. Statistik uji yaitu :

dengan

i,

= nilai dugaan p

o, = simpangan baku dari

i,

Jika nilai

hit

< nilai kritis dalam Tabel Dickey Fuller, maka keputusan yang diambil adalah menolak Ho yang berarti data bersifat stasioner.

Untuk memperoleh ragam yang lebih stabil dapat dilakukan transformasi logaritma natural. Menurut Chaffield (1984), bentuk logaritma merupakan kasus khusus dari transformasi Box-Cox yang bertujuan untuk menstabilkan ragam, membuat pengaruh musiman yang multiplikatif menjadi aditif dan untuk membuat data menyebar normal.

Uji Blok Eksogenitas

Uji blok eksogenitas digunakan untuk menentukan peubah mana yang akan

dimasukan ke dalam model VAR (Enders 1995). Langkah-langkah pengujian adalah sebagai berikut:

(1) Lakukan pendugaan parameter model VAR dengan mengikutsertakan semua peubah (model penuh) sehingga diperoleh matriks ragarn peragm galat, dilambangkan dengan Xu.

(2) Lakukan pendugaan parameter model VAR dengan tidak mengikutsertakan peubah yk (k = 1,2,.

.

.,n) sehingga diperoleh matriks ragam peragarn galat, dilambangkan dengan C,.

(3) Hitung rasio kemungkinan:

(T-4 (log ICrI

-

log ICUI)

dengan T = banyaknya pengamatan yang digunakan

c = banyaknya parameter yang diduga dalam setiap persamaan

parsial untuk model penuh.

Penentuan Panjang Lag

Dalam VAR, panjang lag juga menunjukkan derajat bebas. Jika panjang lag dilambangkan dengan p, maka setiap n persamaan berisi np koefisien ditambah dengan intersep. Penentuan panjang lag hams dilakukan secara hati-hati agar seluruh dinarnika dalam sistem dapat dimodelkan dengan tepat (Pyndick 1998).

Untuk memperoleh panjang lag yang cukup efisien, Enders (1995) melakukan perbandingan beberapa panjang lag, diawali dengan panjang lag yang besar kemudian dilakukan reduksi panjang lag. Dengan demikian untuk menentukan panjang lag hams didasarkan pada kecukupan data pengamatan yang ada.

Cara lain untuk menentukan panjang lag adalah dengan menggunakan nilai AIC (Akaike Information Criterion) dan SBC (Schwartz Bayesian Criterion). Model dengan nilai AIC atau SBC terkecil dipilih sebagai model terbaik dengan lag yang cukup efisien.

AIC = T log

1x1

+

2N

SBC = T log

1x1

+

N log(T)

dengan T = banyaknya pengamatan yang digunakan

1x1

= deterrninan matriks ragarn-peragam dari galat

N = total banyaknya parameter yang diduga dalam semua persamaan.

Jika setiap persarnaan dalam n peubah VAR mempunyai p lag dan intersep, maka N=I?~

+

n (Enders 1995).

Identifikasi dan Pendugaan Parameter

Parameter setiap persamaan pada model VAR struktural (persarnaan 1 dan 2) tidak dapat diduga secara langsung karena adanya hubungan timbal balik dalam

sistem dimana zt berkorelasi dengan EP dan yt berkorelasi dengan E&. Akan tetapi

Pada persamaan (5),

&

berisi n intersep dan masing-masing matriks Ai (i=l, 2,.

.

.,p) berisi n2 koefisien, sehingga banyaknya parameter dalam sistem VAR yang hams diduga sebanyak (n+pn2) parameter atau pada masing-masing persamaan sebanyak (l+np) parameter yang hams diduga. Jadi banyaknya parameter yang diduga tergantung pada banyaknya peubah-peubah endogen yang terlibat dalam model yang dipilih berdasarkan model ekonomi yang relevan. Matriks ragam peragam dari et adalah:

Vector Error Correction Model (VECM)

Suatu data deret waktu dikatakan terintegrasi pada ordo ke-d, dilambangkan dengan I(d), jika data tersebut bersifat stasioner setelah pendiferensian sebanyak d kali. Peubah-peubah tak stasioner yang terintegrasi pada tingkat yang sama akan membentuk kombinasi linear yang bersifat stasioner (Enders 1995; SAS Institute 2005). Setiap bentuk persamaan kointegrasi akan mempunyai error correction model karena dalam jangka pendek pergerakan dari setiap peubah mungkin saja akan menyimpang dari long-run-track-nya, misalnya karena adanya goncangan harga atau karena adanya faktor musim. Secara teoritis, apabila hubungan antar peubah tersebut terkointegrasi, yang berarti dalam jangka panjang berada pada situasi equilibrium, maka deviasi atau galat jangka pendek tersebut akan terkoreksi untuk akhirnya kembali ke long-run-track-nya. Proses koreksi ini disebut sebagai error correction mechanism (Chaniago 2003).

Komponen dari vektor yt dikatakan terintegrasi jika ada vektor

P'

= (PI, P2,

. .

.,

p,)

sehingga kombinasi linear Pyt' bersifat stasioner, dengan syarat ada unsur

p

bernilai tidak sama dengan nol. Vektor

P

disebut vektor kointegrasi atau parameter jangka panjang.

Hipotesis yang diuji adalah : H o : r a n k I r

HI : rank>r.

Statistik uji yang digunakan adalah :

dengan

ii

: akar ciri ke-i matriks n (b, 2

b,

i

. .

.

5

b,

)

n = -

(

I

-z

Ai , diperoleh dari persamaan (5) i:

)

T : banyaknya pengamatan.

Jika

&,

< maka keputusan yang diambil adalah menerima Ho, artinya kointegrasi terjadi pada rank r.

Jika rank kointegrasi (r) sama dengan 0 maka VAR dapat langsung digunakan, tetapi jika rank kointegrasi

(r)

lebih besar dari no1 maka hams digunakan vector error correction model

(VECM).

Untuk data deret waktu yang tidak stasioner, VECM dapat memberikan pemahaman yang lebih baik tentang sifat-sifat data dan dapat memperbaiki peramalan untuk jangka panjang (SAS Institute 2005).

VECM ordo p dituliskan sebagai :

dengan n = ap'

p

: vektor kointegrasi b e r i a n r

x

1

a : vektor adjustment berukuran r

x

1

Pendugaan parameter dilakukan dengan menggunakan metode kemungkinan maksirnum. VECM dapat dituliskan dalam bentuk model VAR dengan

menguraikan nilai diferensi Ayt = yt

-

yt-1.

Dekomposisi Ragam dan Fungsi Respons Impuls

Jika tidak menjelaskan sedikitpun ragam galat ramalan dari {y,) pada semua tahapan periode ramalan kedepan, maka dapat dikatakan bahwa {yt) bebas (Enders 1995). Misalkan untuk model VAR pada persamaan (5) dengan panjang lag p=l dan banyaknya peubah endogen n=2 (peubah y dan z), maka peramalan untuk m tahapan periode kedepan adalah:

E(x~+,) = ( I + A ~ + A ~ ~ + .

.

. + A ~ ~ - I ) AO

+

A ~ ~ x ~

dengan galat ramalan sebesar:

dimana

Qi

=

[ml

I

GI 4

(01

4

21 0 )

Q

22 0)

Koefisien

Q

disebut sebagai h g s i respons impuls yang menginformasikan pengaruh perubahan guncangan suatu peubah terhadap peramalan peubah lain (Enders 1995). Pengaruh tersebut dapat dilihat secara visual dengan menggunakan plot antara koefisien $jk(i) dengan i.

Pola Tanam

Pola tanam adalah suatu usaha penanaman pada sebidang lahan dengan mengatur sistem urutan pertanaman selama periode tertentu sehingga tercapai efisiensi pemakaian sarana dan faktor-faktor produksi seoptimal mungkin termasuk waktu (Djauhari 1977; Setjanata 1984). Dengan kata lain pola tanam merupakan usaha memaksimumkan produksi dan pendapatan per satuan luas dan waktu.

Pola tanam dengan sistem pergiliran tanarn sangat diperlukan dalam pertanian Indonesia mengingat banyaknya faktor yang membatasi produksi pangan khususnya untuk petani kecil. Faktor pembatas tersebut antara lain adalah sempitnya luas garapan tanah, terbatasnya modal, dan terbatasnya tenaga kerja (Efendi 1981). Selain itu untuk memperoleh produksi tinggi dan efisien maka pengelolaan pertanian harus disesuaikan dengan daerah masing-masing petani.

rendah, juga disebabkan oleh rendahnya intensitas indeks pertanaman karena kebutuhan air tidak tersedia sepanjang tahun. Untuk lahan kering, dimana pertumbuhan tanaman sangat dipengaruhi oleh curah hujan, waktu tanam setiap jenis komoditas dan varietas hams dipilih secara tepat untuk menghindari resiko kegagalan. Sedangkan untuk lahan yang dapat diairi secara teknis dan mudah didrainase perlu dilakukan upaya untuk meningkatkan atau mempertahankan produktivitas tinggi. Meskipun kondisi lahan berbeda, baik pada lahan kering maupun lahan irigasi hams dilakukan rotasi tanaman untuk menjaga kesuburan lahan (Efendi 198 1).

Meskipun terdapat beberapa perbedaan, secara urnum pola pergiliran tanaman yang diterapkan oleh petani di lahan irigasi dan lahan kering dalam setahun adalah sebagai berikut: (a) padi-padi-palawija untuk lahan sawah dengan irigasi sepanjang tahun atau irigasi 7-9 bulan, (b) padi-palawija untuk lahan sawah tadah hujan atau lahan kering.

BAHAN DAN

METODE

Bahan

Penelitian ini menggunakan data sekunder dari berbagai sumber (Lampiran 1). Untuk menggambarkan kinerja sektor pertanian digunakan data PDB sub sektor tanaman bahan makanan atas dasar harga konstan 1993 dengm- periode triwulanan yang bersumber dari BPS yaitu dari triwulan

I

tahun 1993 sampai dengan triwulan IV tahun 2003 (44 data amatan). Karena adanya kendala dalam program SAS versi 8.2 yang memerlukan minimal 45 data amatan maka ditarnbahkan 4 data amatan tahun 1992 yaitu PDB triwulan I sampai dengan triwulan IV tahun 1992.

Perhitungan PDB dapat dilakukan dengan menggunakan tiga pendekatan, yaitu pendekatan produksi, pendekatan pendapatan, dan pendekatan pengeluaran (BPS 2000). Pendekatan produksi adalah menghitung nilai tarnbah dari barang dan jasa yang diproduksi oleh seluruh kegiatan ekonomi setiap sektor atau sub sektor. Dalam pendekatan pendapatan, PDB merupakan jumlah balas jasa faktor produksi yaitu upah, gaji, surplus usaha (mencakup bunga, sewa tanah, dan keuntungan), penyusutan, dan pajak talc langsung neto. Menurut pendekatan pengeluaran, PDB dihitung dari komponen permintaan akhir yaitu konsumsi rumah tangga, konsumsi pemerintah, pembentukan modal bruto, dan perdagangan antar wilayah (termasuk ekspor dan impor). Meskipun berbeda dalam cara perhitungan, tetapi secara konsep ketiga pendekatan tersebut

akan

memberikan nilai PDB yang sama.

PDB sub sektor tanarnan bahan makanan dihitung dengan menggunakan pendekatan dari sudut produksi dengan periode triwulanan. Hal ini disebabkan oleh cara penghitungan yang lebih mudah dibandingkan pendekatan lainnya clan data y=g tersedia adalah data produksi, harga, dan biaya produksi yang dapat digunakan untuk memperkirakan besarnya nilai tarnbah. PDB sub sektor tanaman bahan makanan sendiri sangat dipengaruhi oleh PDB komoditas padi dan palawija dengan kontribusi lebih dari 50% terhadap PDB tanarnan bahan makanan.

komoditas tersebut, harga pupuk urea, harga pupuk TSPlSP26, harga obat diazinon. Padi dan jagung dipilih mewakili komoditas tanaman bahan makanan karena kontribusi kedua komoditas tersebut terhadap PDB tanaman bahan

makanan rata-rata lebih dari 50%.

Data luas panen menggunakan data realisasi luas panen bulanan yang diperoleh dari Direktorat Jenderal Bina Produksi Tanarnan Pangan Departemen Pertanian dan BPS berdasarkan pengisian Daftar SP-IA (untuk padi) dan SP-IB

(untuk

palawij a).

Data produktivitas padi dan jagung diperoleh dari hasil ubinan yang dilakukan BPS dan Dinas Pertanian dengan periode 4 bulanan (sub romd) dan diolah menjadi periode triwulanan.

Data harga jual komoditas menggunakan rata-rata harga produsen yaitu rata- rata harga transaksi antara petani (penghasil) dan pembeli (pedagang pengurnpul/tengkulak) untuk setiap jenis barang. Perkembangan harga produsen dalam sepuluh tahun terakhir cendemg menunjukkan kenaikan meskipun pada beberapa jenis barang terdapat fluktuasi harga yang disebabkan oleh pengaruh musim. Pengumpulan data harga produsen dilakukan oleh petugas kecarnatan dengan wawancara langsung ke petani di desa rural yang menjual hasil pertanian. Pencatatan harga setiap jenis barang dilakukan terhadap 3-4 petani dan harga yang terbanyak muncul (modus) atau rata-rata harga dari petani-petani tersebut dicatat di dalam daftar isian. Data tersebut diperoleh dari BPS dalam periode bulanan.

Metode Analisis

Berdasarkan peubah-peubah yang telah disebutkan di atas, model VAR yang dapat terbentuk adalah sebagai berikut:

/ PDB,

'

LPP,

LPj, pvpt

PVj, HPP,

HPj, HUr, HTSP,

\ HDt

,

dimana PDB = Nilai PDB sub sektor tanarnan bahan makanan atas dasar harga konstan 1993

LPp = Luas panen padi

LPj = Luas panen jagung

PVp = Produktivitas padi

PVj = Produktivitas jagung

HPp = Harga gabah kering giling HPj = Harga jagung pipilan kering

HUr = Harga pupuk urea

HTSP = Harga pupuk TSPISP-36

HD

= Harga obat Diazinon

Analisis data dilakukan menggunakan modul Econometric Time Series (ETS) pada software S AS Release 8.2 dengan prosedur VARMAX (PROC VARMAX).

Alur Analisis Data

Langkah-langkah yang dilakukan dalam penyusunan model VAR adalah sebagai berikut :

1. Melakukan transformasi logaritma terhadap masing-masing peubah, dilanjutkan dengan eksplorasi data.

3. Memilih ordo VAR.

4. Melakukan uji Johansen untuk menentukan rank kointegrasi. Jika rank kointegrasi sama dengan no1 maka model yang digunakan adalah VAR. Jika rank kointegrasi lebih besar dari no1 maka model yang digunakan adalah VECM. Model VECM tersebut dituliskan kembali dalam bentuk model VAR. 5. Melakukan analisis model VAR.

[image:25.566.50.479.7.761.2]

6 . Melakukan uji kelayakan model. 7. Melakukan peramalan.

Gambar 1 mengilustrasikan alur analisis data.

TRANSFORMAS1

I

LOOARITMA

I

EKSPLORASI

*,

KESTASIONERAN

0

PROSES

T

F

T

PENETAPAN

b

UJI KELAYAKAN

MODEL

HASIL DAN PEMBAHASAN

Eksplorasi Data

Eksplorasi data deret waktu dari masing-masing peubah dilakukan untuk melihat pola data secara umum. Hasil eksplorasi dapat dilihat dalam Lampiran 2 dimana semua peubah telah ditransformasi ke dalam bentuk logaritma natural.

Secara &um PDB kelompok bahan makanan menunjukkan pola musiman dengan nilai PDB tertinggi (puncak musim) pada triwulan I dan PDB terendah pada triwulan

N.

_{Pola data tersebut ternyata mengikuti pola data luas panen padi} yang mencapai puncak panen pada triwulan I setiap tahunnya. Hal ini disebabkan oleh besarnya kontribusi padi dalam pembentukan PDB kelompok bahan makanan mencapai 40%. Pola yang hampir sama juga ditunjukkan oleh luas panen jagung.

Peubah produktivitas padi dan jagung mempunyai pola musiman dengan trend naik, sedangkan peubah harga cenderung naik tanpa faktor musiman dengan lonjakan drastis pada saat krisis ekonomi menimpa Indonesia.

Dengan melihat pola data tersebut dugaan sementara adalah data tidak stasioner, sehingga harus dilakukan proses pembedaan untuk memperoleh data yang stasioner.

Kestasioneran Data

[image:26.566.53.469.71.760.2]

Salah satu syarat dalam analisis VAR adalah data h a s stasioner. Pemeriksaan kestasioneran data dilakukan dengan uji Dickey Fuller.

Tabel 1. Uji Dickey Fuller untuk Kestasioneran Data

Peubah I(0) I(1) I(2)

Nilai-p Nilai-p Nilai-p

log(PDB) 0.000141035 0.005693 0.007564

log(Luas panen padi) log(Luas panen jagung) log(Produktivitas padi) log(Produktivitas jagung) log(Harga gabah)

Berdasarkan Tabel 1, hampir semua peubah tidak stasioner pada a = 0,05

kecuali peubah PDB, sehingga perlu dilakukan pembedaan. Setelah pembedaan pertama hanya peubah produktivitas padi yang belum stasioner. Kestasioneran data untuk semua peubah tercapai pada pembedaan kedua.

Pemilihan Ordo

Karena adanya keterbatasan data maka ordo maksimum yang dapat dipilih hanya sampai ordo 2. Berdasarkan nilai AIC (Akaike Information Criterion) dan SBC (Schwartz Bayesian Criterion) pada Tabel 2, pada saat p=2 diperoleh nilai AIC dan SBC terkecil sehingga model VAR yang digunakan adalah model VAR(2).

Tabel 2. Hasil Perhitungan AIC dan SBC

Ordo AIC SBC

1 -51.6167 -47.2004

2 -56.4996 -47.9841

Model VAR(2) dapat dituliskan sebagai berikut : xt = A.

+

Alxt-l

+

A2xt-2

+

et

dimana xt : vektor peubah endogen berukuran nxl untuk periode arnatan ke-t

A. : vektor intersep berukuran nx 1

Ai : matriks parameter berukuran nxn untuk i = 1,2.

et : vektor galat berukuran nxl

Uji Kointegrasi dan Blok Eksogenitas

Uji Johansen dilakukan untuk rnengetahui banyaknya persamaan yang dapat menerangkan seluruh sistem yang ada. Jika nilai htrm > nilai kritis (tolak Ho)

[image:28.564.41.460.47.782.2]

Tabel 3. Uji Johansen untuk Kointegrasi

Ho : HI :

,

,

A

Nilai Rank=r Rank>r Kritis

0 0 478.00 232.60

1 1 341.36 192.30

2 2 239.81 155.75

3 3 159.75 123.04

4 4 105.84 93.92

5 5 61.67 68.68

Uji blok eksogenitas digunakan untuk memilih peubah yang secara signifikan mempengaruhi model. Dari hasil uji blok eksogenitas semua peubah mempengaruhi model dengan nilai p < 0.05 (Tabel 4).

Tabel 4. Uji Blok Eksogenitas

Peubah

x2

Nilai-p

log(PDB)

log(Luas panen padi) log(Luas panen jagung) log(Produktivitas padi) log(Produktivitas jagung) log(Harga gabah)

log(Harga jagung) log(Harga urea) log(Harga TSP) log(Harga diazinon)

Pendugaan Model

Model VECM ordo 2 dengan rank kointegrasi 5 untuk 10 peubah penjelas dituliskan sebagai berikut :

P-1

b, = A(,+la,,+C&kc,_,+~~

r = l

Model tersebut merupakan model terbaik berdasarkan panjang lag maupun jenis peubah yang masuk dalam model. Dugaan parameter dengan metode kemungkinan maksimurn disajikan dalam Lampiran 3, sedangkan dugaan parameter setelah ditransformasi ke model VAR(2) ditampilkan pada Lampiran 4. Beberapa peubah yang menunjukkan pengaruh nyata terhadap peubah lainnya

[image:29.564.40.422.62.705.2]

Tabel 5. Dugaan Parameter Model

Persamaan Parameter Peubah Dugaan Prob > IT1

PDB ARl-1-2 LPP -1.86240 0.000 1

AR1-13 LPj 1.385 19 0.0001

AR2- 1-6 HPP -1.33815 0.0052

ARI-1-7

Wi

-0.54798 0.0008

AR1-1-8 HUr -1.07938 0.048 1

A R 1 1 10 HD 0.87248 0.0284

LPP AR1-2-2 LPP -1.78762 0.000 1

AR1-23 LPj 0.49274 0.004 1

AR2-2-5 PVj -0.83076 0.0198

AR1-2-6 WP 0.43454 0.0190

AR 1-2-7 W j -0.21061 0.0297

AR1-2-8 HUr -1.61508 0.000 1

A R 1 2 10 HD 1.15090 0.000 1

LPj AR1-32 LPP 1.52558 0.0065

AR1-33 LPj -0.93707 0.0181

AR 1-3-8 HUr -2.50724 0.0043 ARI 3 10 HD 1.37635 0.0242

PVP AR1-4-1 PDB -0.02878 0.0105

AR 1-4-3 LPj 0.05575 0.0137

AR 1-4-4 PVP -0.82963 0.000 1

AR 1-4-6 WP -0.07530 0.0036

AR 1-4-7

JW

-0.05392 0.0002

AR 1-4-9 HTSP 0.0781 1 0.0187 AR2 4 10 HD -0.10608 0.0035

PVj AR 1-5-5 PVj -1.37803 0.0001

AR 1-5-8 HUr 0.69566 0.000 1

AR1-5-9 HTSP -0.36355 0.0009

A R 1 5 10 HD -0.28491 0.0091

WP AR1-6-1 PDB 0.17843 0.0064

AR 1-6-7

Wi

0.273 16 0.0008

AR2-6-8 HUr 1.4293 0 0.002 1

AR1-6-9 HTSP -0.59828 0.0027

ARl 6 10 HD 0.47785 _{0.0 172}

W j AR1-7-5 PVj -1.40636 0.0001

AR1-7-6 HPP 0.26869 0.0133

AR~-7-7 m j -0.39526 0.0098

AR2-7-8 HUr 1.57645 0.0001

Tabel 5 (Lanjutan)

-

Persamaan Parameter Peubah Dugaan Prob > JTI

PDB LPP LPj PVP PVj WP W j HUr HTSP

A R l 8 10 HD 1.18482 0.0001

HTSP AR1-9-1 PDB 0.43230 0.000 1

AR 1-9-2 LPP -0.69095 0.0002

AR1-9-3 LPj 0.36391 0.0041

AR1-9-4 PVP 4.3 1433 0.000 1 AR 1-9-5 PVj -0.95330 0.0033 AR 1-9-6 WP 0.9355 1 0.000 1 AR 1-9-7 fIpj 0.469 19 0.000 1

AR1-9-8 HUr -0.94780 0.0008

AR1-9-9 HTSP -1.93308 0.0001 A R 1 9 10 HD 1.24343 0.000 1

HD ARl-10-1 PDB 0.52580 0.000 1

AR1-10-2 LPP -0.85839 0.0027

AR1-10-4 PVP 6.03895 0.0004

ARl-10-5 PVj

-

1.76784 0.0010

AR1-10-6 WP 1.2527 1 0.0001

ARI-10-7

Wi

0.57188 0.000 1

AR1-10-8 HUr -0.96803 0.0227 AR1-10-9 HTSP -2.55943 0.0001 ARl 10 10 KD 1.46727 0.0001

[image:30.564.28.432.80.552.2]

jagung (ada peningkatan luas panen jagung), maka mereka cendemg akan menanam padi pada triwulan berikutnya yang akan mengakibatkan terjadinya peningkatan luas panen padi dan sekaligus peningkatan produksi padi. Peningkatan produksi padi juga berarti peningkatan PDB tanaman bahan makanan karena padi mempunyai kontribusi lebih dari 40% terhadap PDB tanaman bahan makanan.

Hal menarik yang perlu diperhatikan di sini temyata produktivitas padi dan jagung tidak berpengaruh nyata terhadap produksi. Petani kurang mampu meningkatkan produktivitas padi maupun jagung pada luasan lahan yang diusahakan karena adanya kendala permodalan dalam melakukan upaya intensifikasi yang antara lain mencakup pemanfaatan pupuk dan obat-obatan secara optimal. Untuk mengatasi keterbatasan modal dan sumberdaya tersebut petani tidak saja memerlukan bantuan kredit, tetapi juga memerlukan bantuan berupa penyuluhan dalam penggunaan input secara lebih efisien.

Pada aspek harga jual komoditas, peningkatan produksi akan mengakibatkan penurunan harga gabah d m jagung karena terjadinya penumpukan produksi pada saat panen (tanda negatif pada dugaan parameter) sehingga harga di tingkat petani berada di bawah harga dasar. Dengan demikian pemerintah perlu menjaga stabilitas harga komoditas tanaman pangan agar para petani tetap bergairah untuk meningkatkan produksi dan mengembangkan usaha taninya. Selain itu upaya yang dapat dilakukan adalah penanaman dan panen yang merata sepanjang tahun. Dengan mengurangi fluktuasi panen tersebut diharapkan harga gabah dan jagung tidak j a t h , sarana produksi pertanian tidak bertumpuk pada waktu dan tempat tertentu dan penggunaan alat mesin pertanian menjadi lebih efektif karena digunakan sepanjang tahun.

Luas panen padi secara nyata dipengaruhi oleh luas panen padi periode sebelumnya, luas panen jagung, produktivitas jagung, harga gabah, harga jagung, harga urea, dan harga diazinon. Tanda pada dugaan masing-masing parameter kembali menunjukkan adanya suatu sistem pergiliran tanaman antara padi dan jagung. Hal yang hampir serupa ditunjukkan oleh dugaan parameter peubah yang mempengaruhi luas panen jagung, tetapi harga jual komoditas ternyata tidak berpengaruh signifikan terhadap luas panen jagung.

Produktivitas padi secara nyata dipengaruhi oleh

PDB,

luas panen jagung, produktivitas padi periode sebelumnya, harga jual gabah dan jagung, serta harga TSP dan diazinon, sedangkan produktivitas jagung lebih dipengaruhi oleh produktivitas jagung periode sebelumnya, harga pupuk dan obat-obatan.

Harga jual gabah dan jagung tarnpaknya saling mempengaruhi karena sistem pergiliran tanaman menyebabkan saat panen yang ti& bersarnaan waktunya. Jika harga jual jagung sedang membaik maka ketika panen padi tiba petani cenderung akan berusaha menjual padinya dengan harga yang lebih tinggi dari sebelumnya. Usaha mereka untuk memperbaiki harga jual umumnya tidak sepenuhnya berhasil karena petani tidak memiliki posisi yang kuat dalam proses tawar-menawar. Kebijakan pemerintah berkaitan dengan penetapan harga pembelian gabah (Inpres No. 912002 dan diperbaharui dengan Inpres No. 212005) diharapkan cukup untuk mempengaruhi pasar dan dapat menjadi acuan harga sehingga dapat membantu petani dalam upaya perbaikan harga jual.

Selain itu harga jual produk pertanian temyata juga sangat dipengaruhi oleh harga f&?or produksi pupuk dan obat. Dengan demikian selain penetapan harga dasar komoditas, kontrol dan dukungan dari pemerintah juga diperlukan

untuk

menjaga stabilitas harga pupuk dan obat. Upaya yang telah dilakukan pemerintah berupa pemberian subsidi pupuk sangat membantu petani terutarna saat musim kemarau (Tohir 2005)'.

Harga pupuk clan obat diazinon sendiri sangat dipengaruhi oleh seluruh peubah yang terlibat dalam sistem usaha tani. Hal ini mengindikasikan kecenderungan harga pupuk dan obat yang sangat fluktuatif sehingga kontrol oleh pemerintah memang masih diperlukan agar petani tetap dapat melakukan ekspansi dalam usaha taninya.

Dekomposisi Ragam dan Fungsi Respons Impuls

Informasi tambahan yang dapat diperoleh melalui model VAR adalah dekomposisi ragam dan respons impuls peubah terhadap guncangan peubah lainnya. Dekomposisi ragam menginformasikan proporsi keragaman galat suatu peubah yang dijelaskan oleh galat masing-masing peubah dan galat peubah lain, sedangkan fungsi respons impuls digunakan untuk menggambarkan pengaruh guncangan (shock) suatu peubah terhadap

fluktuasi

peubah lain.

Hasil perhitungan dekomposisi ragam beberapa peubah untuk perarnalan 8 tahun mendatang ditarnpilkan dalam Tabel 6. Pembahasan dikhususksln untuk peubah PDB, LPp, PVp, HPp,

dan

HUr, tetapi hasil dekomposisi ragam selengkapnya dapat dilihat pada Lampiran 5. Peubah lainnya terutama yang berkaitan dengan komoditas jagung tidak dibahas mendalam karena proporsi luas panen dan produksi jagung terhadap luas panen dan produksi padi relatif kecil (kurang dari 20%) sehingga dekomposisi ragam tidak memberikan informasi tambahan yang cukup berarti.

Berdasarkan proporsi keragaman, dalam jangka pendek untuk peramalan 1 triwulan kedepan, keragaman PDB 100% hanya dijelaskan oleh guncangan PDB itu sendiri. Secara bertahap pengaruh guncangan PDB akan berkurang seiring dengan peningkatan guncangan peubah lain terutama LPp dan LPj. Untuk jangka menengah dan jangka panjang pengaruh guncangan peubah LPj dalam menjelaskan keragaman PDB akan semakin meningkat sedangkan LPp justru menurun. Hal ini mengindikasikan bahwa di masa mendatang jagung akan lebih besar pengaruhnya terhadap PDB dibandingkan padi dan tampaknya sesuai dengan perkiraan Tohir (2004)' yang menyatakan bahwa diantara pilihan yang ada di masa mendatang, jagung mempunyai peluang yang lebih besar untuk ditingkatkan produksinya dibandingkan padi. Hal ini terkait dengan prediksi Byerlee dalam Suhariyanto & Thirtle (2001) yang menyatakan bahwa jika terjadi

peningkatan pendapatan maka akan terjadi perubahan komposisi makanan yang lebih mengarah pada konsumsi hasil temak. Pakan temak utama adalah jagung, sehingga di masa depan akan terjadi peningkatan permintaan jagung. Oleh karena itu perlu segera dilakukan antisipasi untuk menangkap peluang tersebut sehingga

Indonesia mampu meningkatkan PDBnya tanpa hams selalu mengandalkan pada produksi padi saja.

Tabel 6 . Dekomposisi Ragam Hingga Peramalan 8 Tahun Kedepan

Dalam jangka pendek keragaman LPp sebagian besar dijelaskan oleh guncangan LPp itu sendiri (98.93%) tetapi persentasenya semakin mengecil seiring dengan menguatnya guncangan LPj hingga 32.72% untuk jangka panjang hingga 8 tahun mendatang. Adanya pola pergiliran tanaman antara padi dan jagung dinyatakan oleh hubungan timbal-balik antara LPp dan LPj. Selain itu peningkatan guncangan HUr terhadap keragaman LPp dalam jangka panjang menyatakan bahwa petani akan tetap memerlukan subsidi pupuk selama modal

[image:34.568.55.484.126.642.2]

mereka masih terbatas. Dalam hal ini asumsi fleksibilitas modal bagi pemi belum terpenuhi.

Keragaman peubah PVp baik dalam jangka pendek, jangka menengah, maupun jangka panjang sebagian besar dijelaskan oleh guncangan PVp sendiri dan LPp. Untuk peramalan hingga 8 tahun kedepan guncangan PVp dan LPp masing-masing mencapai 56.66% dan 14.05%, sedangkan pengaruh LPj dan PVj relatif kecil. Hal ini mengindikasikan bahwa petani tetap akan lebih memilih untuk memproduksi padi dibandingkan jagung selama permintaan jagung belum memadai untuk mencukupi kebutuhan hidup mereka dan belum ada kepastian

pasar jagung.

Keragaman peubah HPp dalam jangka pendek hingga 1 tahun mendatang sangat dipengaruhi oleh PVp (42.94%) dan HPp sendiri (25.05%), tetapi pada jangka menengah dan jangka panjang pengaruh guncangan HPp m e n m drastis hingga 6.53% dan digantikan oleh pengaruh dominan

dari

PVp (53.15%) dan LPp (15.29%). Dengan demikian penetapan harga pembelian gabah oleh pemerintah nampaknya hanya tepat untuk periode jangka pendek saja. Secara bertahap harus dilakukan upaya lain untuk meningkatkan gairah petani dalam berusaha sehingga mereka dapat meningkatkan luas panen dan produktivitas padi. Upaya tersebut dapat berupa perbaikan irigasi atau pemberian penyuluhan kepada petani tentang pemanfaatan bibit unggul dan cara pemupukan yang tepat.

Peubah harga faktor produksi HUr pada jangka 1 triwulan kedepan lebih banyak dipengaruhi oleh guncangan HUr, HPp, dan HPj. Ini menunjukkan bahwa pemanfaatan pupuk lain belum sebanyak pemanfasltan pupuk urea. Petani lebih cenderung menggunakan pupuk urea yang digunakan untuk merangsang pertumbuhan vegetatif. Pada jangka menengah hingga 8 tahun mendatang, keragaman HUr sebagian besar dijelaskan oleh LPp dan PVp yang menunjukkan adanya peranan produksi padi dalam menentukan harga pupuk. Selain produksi padi, keragaman pupuk juga dipengaruhi oleh harga obat diazinon dengan persentase semakin meningkat pada peramalan jangka panjang.

sekaligus memicu kenaikan harga gabah (HPp) karena berkurangnya pasokan gabah. Kenaikan HPp secara tidak langsung akan berakibat pada naiknya harga sarana produksi (HUr) meskipun dengan jangka waktu relatif lebih singkat yaitu sekitar 1 triwulan saja. Memasuki triwulan ketiga dan keempat LPp akan kembali naik dan kemudian berfluktuasi mengikuti pola musiman. HPp &an HUr merespons pergerakan HPp tersebut dengan ha1 sebaliknya. Guncangan output tidak berpengaruh lagi terhadap ketiga peubah tersebut setelah periode 8 triwulan kedepan.

I

-8.00 [image:36.566.46.476.14.784.2]

Periode

Gambar 2. Respons Beberapa Peubah Terhadap Guncangan Output

2.00

0.00

h -2.00

s

V

V)

g -4.00

B

'

-6.00

-8.00

-10.00

1

Periode [image:37.564.28.463.50.682.2]

P D B

-

HPp

Gambar 3. Respons Beberapa Peubah Terhadap Guncangan Luas Panen Padi

Guncangan terhadap harga gabah berupa p e n m a n harga sebesar 1.06% akan menyebabkan pendapatan petani

turun

secara drastis (Gambar 4). Hal ini diceminkan oleh penurunan PDB hingga mencapai 4.77% pada periode 1 triwulan setelah terjadinya guncangan. Kondisi yang sama juga te rjadi pada luas panen padi yang turun 0.87%. Dengan demikian penurunan harga gabah akan

berpengaruh terhadap motivasi petani dalam melakukan usaha tani.

P e n g d penurunan harga gabah terhadap PDB relatif lebih singkat dibandingkan pengaruhnya terhadap LPp. Pada periode peramalan dua triwulan kedepan telah terjadi peningkatan PDB karena ada kemungkinan petani akan

[image:38.564.29.458.34.782.2]

Periode

Gambar 4. Respons Beberapa Peubah Terhadap Guncangan Harga Gabah

Peramalan PDB

Untuk melakukan peramalan hams dilihat terlebih dahulu kelayakan model berdasarkan kriteria keacakan sisaan, statistik Durbin Watson

@W),

dan koefisien deterrninasi ( R ~ ) .

Keacakan sisaan dapat dilihat dari plot sisaan terhadap waktu (t). Plot sisaan yang tidak merniliki pola tertentu seperti pada Lampiran 6 menunjukkan bahwa sisaan bersifat acak. Hal ini diperkuat dengan statistik DW dan R2 pada Tabel 7 dirnana semua persamaan menunjukkan nilai yang cukup besar yaitu mendekati 2 untuk statistik DW dan lebih dari 70% untuk R2.

Khusus untuk plot sisaan peubah LPp dan LPj meskipun menyebar acak tetapi terdapat 1 titik sisaan yang jauh di bawah titik lainnya yaitu pada triwulan

IV tahun 1997. Hal ini diduga disebabkan oleh adanya gejala El-Nino pada periode tersebut yang mengakibatkan kekeringan pada sejumlah areal tanaman, sehingga nilai dugaan luas panen akan sangat berbeda dengan nilai aktualnya.

' Menurut Saragih (2000)~ El-Nino telah mengakibatkan te rjadinya kekeringan

pada areal tanam padi seluas 504 ribu hektar dengan 88 ribu hektar diantaranya puso. Pada tahun 2002 El-Nino kembali terjadi tetapi dampaknya tidak separah tahun 1997 karena telah dilakukan langkah-langkah upaya antisipasi sebelumnya.

Tabel 7. Statistik Durbin Watson dan R~

Peubah Statistik DW Koefisien Determinasi ( R ~ )

log(PDB) 2.21 95.78%

log(Luas panen padi) 1.84 99.43%

log(Luas panen jagung) 1.61 97.33%

log(Produktivitas padi) 1.77 92.4 1 %

log(Produktivitas jagung) 1.82 79.57%

log(Harga gabah) 2.28 79.59%

log(Harga jagung) 2.05 86.53%

log(Harga urea) 1.63 94.10%

log(Harga TSP) 1.63 94.44%

log(Harga diazinon) 1.84 9 1.69%

Pertumbuhan PDB tahun 2003 untuk periode triwulanan hasil pendugaan dengan model VAR(2) berbeda dengan pertumbuhan PDB berdasarkan angka publikasi resmi BPS, meskipun menunjukkan fluktuasi musiman yang hampir sama (Gambar 5). Perbedaan tersebut terutama disebabkan oleh adanya perbedaan dalam metodologi dan penggunaan asumsi harga konstan dalam perhitungan PDB. Peramalan PDB dengan menggunakan model VAR(2) dilakukan untuk periode triwulan I 2004 sampai dengan triwulan I1 tahun 2005. Hasil peramalan ditampilkan dalam Tabel 8.

Tahun 2004 diperkirakan total PDB riil

untuk

sub sektor tanaman bahan makanan akan mencapai Rp. 127163.48 milyar atau meningkat 4.49% dibandingkan tahun sebelumnya. Laju pertumbuhan tersebut tidak terlalu berbeda dengan laju pertumbuhan PDB berdasarkan angka sangat sementara yang telah dipublikasikan BPS. Jika dikaitkan dengan pertumbuhan PDB tanaman bahan

-

makanan selama ini yang berkisar antara 3%

-

5% maka hasil ramalan tersebut cukup realistis.

1 5 9 13 17 21 25 29 33 37 41 45 49 53 Periode (t)

[image:40.568.42.465.51.670.2]

I

-Angka Resmi BPS

- -

-

-

Dugaan

I

Gambar 5. Angka Resmi BPS dan Nilai Dugaan PDB Tanaman Bahan Makanan

Tabel 8. Hasil Peramalan PDB Tanaman Bahan Makanan dengan Model VAR(2)

Triwulan Nilai PDB (Milyar Rp.) Angka Resmi BPS Dugaan

2003

*

120 139.27 121 698.83

(3.63%) (8.5 1%)

Tw. I 35 527.37 . 35 302.18

Tw. I1 3 1 729.68 33 856.96

TW.

In

30 415.10 30 685.04

Tw.

N

22 467.13 21 854.65

2004** 124 578.91 127 163.48

(3.70%) (4.49%)

Tw. I 36 973.55 38 336.62

Tw. U 33 227.37 35 295.7

Tw. I11 32 484.47 33 289.75

Tw. IV 21 893.54 20 241.42

2005***

Tw. I x 40 896.80

Tw. I1 x 37 817.70

Keterangan: 1.

*

adalah angka sementara;

**

adalah angka sangat sementara;

***

adalah angka ramalan dengan model VAR(~)

KESIMPULAN

DAN SARAN

Kesimpulan

Berdasarkan model VAR yang terbentuk dapat disimpulkan bahwa:

1. Model VAR cukup baik dalam menganalisis hubungan antar peubah yang mempengaruhi PDB tanaman bahan makana. karena mampu menangkap trend yang ada dalam kegiatan usaha tani di Indonesia.

2. Untuk peramalan, model VAR menghasilkan nilai ramalan yang berbeda dengan angka resmi BPS. Perbedaan ini terutarna disebabkan oleh adanya perbedaan dalarn metodologi dan penggunaan asumsi harga konstan dalam perhitungan PDB.

3. Berdasarkan dekomposisi ragam, luas panen padi clan jagung berpengaruh nyata terhadap fluktuasi PDB tanaman bahan makanan, sedangkan peubah harga cenderung berpengaruh pada jangka pendek (4 triwulan).

4. PDB sub sektor tanaman bahan makanan diperkirakan meningkat 4.49% pada tahun 2004, lebih tinggi dibandingkan angka resmi BPS yang sebesar 3.70%. Persentase tersebut cukup realistis mengingat kisaran perturnbuhan PDB selama ini antara 3%

-

5%.

Saran

1. Perlu dikembangkan model VAR yang menggunakan asumsi harga tidak konstan.

2. Penelitian ini menggunakan data harga gabah kering giling (GKG) karena tidak tersedianya data harga gabah kering panen (GKP) dalam deret waktu yang cukup panjang. Petani umurnnya menjual hasil panennya dalam bentuk GJSP sehingga untuk penelitian lanjutan sebaiknya digunakan harga GKP untuk lebih mempertajam keakuratan hasil penelitian.

DAFTAR PUSTAKA

Abdurachman E. 2004. Perbaikan Kualitas Data Guna Meningkatkan Daya Saing Produk Pertanian. Makalah Seminar Nasional Statistika 2004. Bogor: Institut Pertanian Bogor.

Ashenfelter 0 , Levine PB, Zimrnerman DJ. 2003. Statistics and Econometrics:

Methods and Applications. New York: J. Wiley.

Bank of England. 2004. Economic Models at the Bank of England, Chapter 5:

Vector Autoregression Models.

http://www.bankofen~land.co.uk/five.~df

[25 Nopember 20041.

[BPS] Badan Pusat Statistik. 2000. Pedoman Praktis Penghitungan PDRB Kabupaten/Kotamadya: Tata Cara Penghitungan Menurut Lapangan Usaha. Jakarta: BPS.

[BPS] Badan Pusat Statistik. 2002. Pendapatan Nasional Indonesia, 1998

-

2001. Jakarta: BPS.

Chaniago N. 2003. Hubungan Antara Inflasi dengan Tingkat Output di Indonesia. Media Ekonomi 9(1): 40-55.

Chatfield C. 1983. The Analysis of Time Series: An Introduction. 3rd Edition. New York: Chapman and Hall.

Cryer JD. 1 986. Time Series Analysis. Boston: PWS-Kent Publishing.

Djauhari A. 1977. Usahatani dan Po1a'~ertanam. Bogor: Pusat Penelitian dan Pengembangan Tanaman Pangan, Deptan.

Efendi S. 1 98 1. Program Penelitian Pola Tanam dan Pola Usahatani di Indonesia. Bogor: Pusat Penelitian dan Pengembangan Tanaman Pangan, Deptan.

Enders W. 1995. Applied Econometric Time Series. New York: J. Wiley.

Evans CL, Kuttner KN. 1998. Can VARs Describe Monetary Policy?

httP://www.neworkfed.orn/researchlstaff reportslresearch pa~ersl9,8 12.pdf [20 Oktober 20041

Lin KP. 2005. Nonstationary Time Series: Unit Roots and Cointegration. htt~:l/www.econ.r>dx.edul~ta~Lltsin~hualto~ic6.htm [7 April 20051.

Lipsey GR, Paul NC, Douglas DP, Peter

0s.

1995. Pengantar Makroekonorni. Ed ke-10. Jaka W., Kirbrandoko, Budijanto, penerjemah. Jakarta: Binarupa Aksara. Terjemahan dari: Economics 1

oth

ed.

Malian AH, Mewa A, Sudi M, Rosrnijati S. 2003. Perubahan Langsung dan Tidak Langsung Produksi dan Konsumsi Beras di Indonesia. Bogor: Pusat Penelitian dan Pengembangan Sosial Ekonomi Pertanian, Deptan.

Nainggolan K, Ato S. 1987. Supply Response for Rice in Java: Empirical

Pindyck RS., Rubinfeld DL. 1998. Econometric Models and Economic Forecasts.

4~ Edition. Massachusetts: McGraw-Hill.

Rapallo P. 1998. The Impact of US Monetary Policy on Domestic and European Stock Returns: Evidence fiom Vector Autoregressions. San Diego: Department of Economics University of California.

Robertson JC., Tallman EW. 1999. Prior Parameter Uncertainty: Some Implications for Forecasting and Policy Analysis with VAR Models.

Working Paper. Georgia: Federal Reserve

Bank

of Atlanta. http:/www.fi-batlanta.org/fileegacvdocs/w99 13 .pdf [25 Nopember 20041.

SAS Institute. 1996. Forecasting Examples for Business and Economics Using the

SAP

system. North Carolina: SAS Institute Inc.

SAS Institute. 2005. Vector Error Correction Modeling.

Setjanata S. 1984. Perkembangan Penerapan Pola Tanam dan Pola Usahatani dalarn Usaha Intensifikasi (Proyek BIMAS). Bogor: Pusat Penelitian dan Pengembangan Tanaman Pangan, Deptan.

Sims CA. 1 980. Macroeconomics and Reality.

Econometrics

48(1): 1-48.

Suhariyanto K, Thirtle C. 2001. Asian Agricultural Productivity and Convergence. Journal of Agricultural Economics 52(3): 96-1 10.

Valle HA. 2002. Inflation Forecasts with ARIMA and Vector Autoregressive Models in Guatemala. http:llwww.ban~t.nob.~vublica~doctos/ bgdocto009.pdf [25 Nopember 20041.

Wei WWS. 1994. Time Series Analysis: Univariate and Multivariate Methods.

Lampiran 1. Peubah yang Digunakan Dalam Penelitian

No. Peubah Deskripsi Satuan Periode Surnber

PDB

LPP

PDB atas dasar harga konstan 1993

Milyar rupiah

Triwulanan

Bulanan

BPS

Luas panen padi Hektar Ditjen BP

Tanaman Pangan dan BPS

LPj Luas panen jagung Hektar Bulanan Ditjen BP Tanaman Pangan dan BPS

Produktivitas padi Subround Ditjen BP Tanaman Pangan dan BPS

PVj Produktivitas jagung Subround Ditjen BP Tanarnan Pangan dan BPS

Harga gabah kering giling

Bulanan BPS

Harga jagung pipilan kering

Bulanan BPS

HUr

HTSP

HD

Harga urea

Harga TSPISP-3 6

Bulanan

Bulanan

Bulanan

BPS

BPS

Lampiran 2. Plot Data dengan Transformasi Logaritma

I

I I I I

10 20 30 40

Periode

2a. Plot Data Log(PDB)

Periode

2c. Plot Data Log(LPj)

Rriode

2e. Plot Data Log(PVj)

Periode

2g. Plot Data Log(HPj)

Periode

2i. Plot Data Log(HTSP)

I I I I

10 20 30 . 40

Periode

Lampiran 4. Dugaan Parameter Model VAR(2)

Peubah

PDBt

LPpt

Lpjt .

Pvpt "jt HPpt Hpjt HTSpt HDt Peubah PDBt LPpt Lpjt "pt 'Pvjt

.m~t

HPjt Hurt HTSpt HDt Konstanta 0.03625 0.02251 0.01 863 0.00439

0.03 187 0.01387

0.03729 0.0353 1 0.03306

0.05406

PDBt-I

0.7433 1

0.19842 -0.32254 -0.00237 -0.01545 0.10583 0.10086 0.19898 0.23 198

0.25401 PDBt-2 0.16309 -0.13495 0.33583 -0.02641 -0.04914 0.07260 -0.04648 0.19478 0.20032 0.27179 Pvpt-2 0.74067 -1.40454 -7.47458 -0.53220 0.08493

-1.1 1988

1.01280 0.74707 1.35618 1.62409 LPP,.~ -0.35982 -0.27308 -0.6169 1

-0.01 167 0.03848

0.02965

-0.0341 1

-0.17565 -0.18201 -0.26459 HDt.1 0.66273 1.23882 0.99478

-0.10355 ,

-0.02264 ,

-0.12003 -0.89384 -0.94000 -1.08640

-0.43602

Lppt- I

-1 SO258

-0.51454 -0.90867 -0.03981 0.08693 -0.01255 0.01062 -0.51959 -0.50894 -0.59380 Lpjt-2 0.653 17 -0.161 1 1 -0.07100 0.03038 -0.05055 -0.05510 0.04353 0.22933

0.2173 1 0.2092 1

Pvj t-2

-0.44344 0.83076 0.52694 0.02227 -0.58792 -0.36686 -0.87957 -0.71385 -0.71339 -0.99295

Lpj t- I

0.73202 0.65385 0.13393 0.02537 -0.04037 -0.09706 -0.05027 0.16864 0.14660 0.16007 mpt-2 1.33815 0.59138 -0.64714 -0.03856 0.10405 -0.10298

-0.1 1984

0.591 19

0.60953 1 .I21 16

Pvpt-I -2.57367 2.14817 1.92353 0.70257 0.18475 1.035 17 -0.12134 2.87954 2.95815 4.41486 HTSPt.2 -1.81889 0.68555 2.25026 -0.11675 -0.07755 -0.08470 -0.17442

-0.851 13

-1.13967 -1.07639 HDt-2 0.20975 -0.08792 0.38 157 0.10608 -0.26227 0.59788 0.96738

2.12482 .

2.32983 ,

2.90329

HPj t-2

-0.58475 -0.71080 -0.17223 -0.05200 0.000278 1.03582 0.39526

0.5333 1

0.65285 0.83714 1.34025 -0.62593 -2.64369 0.02850 0.38336 -1.42930 -1.57645 -2.92896 -3.05616 -4.37475 HTSP,I 1.66984 -0.92596 -1.46988 0.19486 -0.28600 -0.5 1358 -0.63382 -0.95934 0.20659 -1.48304 PVjt-l 0.89057 -0.6047 0.66179 0.06768 0.20989 0.30854 -0.52679

-0.163 15 -0.23991 -0.77489

-2.41963

-0.98915 0.13645

-0.0472 1

0.3 1230 0.99005 1.94111 3.02776 2.10836 3.40672 HPpt-I -1.05626 -0.15684 0.15521 -0.03674 -0.01589 1.21 173 0.38853 0.26220 0.32598 0.13 155

HPj t - ~

0.03677

0.50019

0.10183 -0.00 192

Lampiran 5. Dekomposisi Ragam Hingga Perarnalan 8 Tahun Kedepan Peubah PDB LPP LPj PVP PVj

H P ~

HPj Tahap Kedepan 1 4 8 20 32 1 4 8 20 32 1 4 8 20 32 1 4 8 20 32 1 4 8 20 32 1 4 8 20 32 1 4 8 20 32 I-ID 0 1.43 1.31 1.34 1.25 0 6.94 6.21 8.32 8.93 0 1.75 2.69 4.64 5.14 0 7.72 8.30 9.05 9.35 0 3.08 5.39 8.59 10.04 0 16.37 19.36 20.78 21.16 0 8.83 6.20 4.18 3.63 HTSP 0 2.52 2.89 3.07 3.13 0 0.38 1.29 2.05 2.43 0 0.17 0.64 1.08 1.29 0 1.33 1.21 0.77 0.60 0 5.02 5.80 7.41 8.26 0 0.49 0.44 0.29 0.26 0 5.25 4.48 4.91 5.01 HPj 2.27 3.40 3.96 4.17 2.18 6.75 9.14 9.73 0.76 4.90 8.17 9.08 0 0.94 2.14 1.69 1.55 0 0.35 0.81 1.29 1.13 0 3.51 1.22 0.60 0.40 52.17 13.80 12.88 12.81 12.81 HUr 0 1.12 1.93 2.99 3.25 0 1.82 5.28 9.80 11.30 0 0.86 4.04 8.84 10.74 0 2.50 3.24 3.37 3.39 0 1.10 3.54 3.14 2.43 0 2.81 1.23 0.85 0.77 0 3.51 2.17 1.69 1.57 PVp 0 3.46 3.47 2.14 1.61 0 4.27 4.88 3.93 3.74 0 3.45 3.95 3.49 3.54 88.35 59.68 57.90 56.95 56.66 16.83 13.57 12.08 10.69 10.46 50.87 42.94 49.86 52.52 53.15 6.65 24.78 37.61 41.50 42.46 LPj 0 21.79 24.83 28.35 29.45 0 41.58 38.15 33.84 32.72 62.17 51.03 45.87 39.49 37.65 0.21 6.87 6.45 5.26 4.81 4.32 7.06 8.01 5.18 4.05 0.01 0.44 2.21 2.01 1.97 18.42 5.59 3.86 2.46 2.09 PDB 100 50.48 47.52 44.46 43.76 1.07 7.75 7.31 5.77 5.41 0.28 7.91 6.74 5.61 5.26 0.09 4.68 4.48 3.54 3.20 2.34 8.96 6.58 5.60 5.18 4.57 2.44 1.08 0.46 0.29 2.14 2.81 0.92 0.42 0.29 LPp 0 9.76 7.44 6.07 5.81 98.93 33.17 23.62 16.29 13.56 37.55 28.56 22.54 18.05 15.73 11.35 13.80 12.24 13.61 14.05 33.06 26.67 28.36 31.58 32.40 4.07 4.41 14.19 15.02 15.29 13.65 14.52 23.48 24.96 25.52 Guncangan PVj 1.57 2.44 3.14 3.15 1.53 4.80 8.09 9.19 3.73 5.26 7.12 8.01 0 0.05 0.31 0.71 0.78 43.45 32.81 27.26 24.49 24.03 0.72 1.56 0.69 0.29 0.19 0.31 2.78 1.15 1.10 1.04 HPp

0 0 0

5.6 4.80 4.48 4.42

0 0 0

0.38 1.71 2.75 2.99

0 0 0

Lampiran 6. Plot Sisaan Model VAR(2)

6a. Plot Sisaan Peubah PDB

6c. Plot Sisaan Peubah LPj

6e. Plot Sisaan Peubah PVj

6g. Plot Sisaan Peubah HPj

6i. Plot Sisaan Peubah HTSP

KAJIAN PRODUK DOMESTIK BRUT0

TANAMAN BAHAN MAKANAN

MELALUI MODEL

VECTOR

A

UTOREGRESSION

ANNA ASTRID SUSANTI

SEKOLAH PASCASARJANA

INSTITUT PERTANIAN BOGOR

BOGOR

ABSTRAK

ANNA ASTRID SUSANTI. Kajian Produk Domestik Bruto Tanaman Bahan Makanan Melalui Model Vector Autoregression. Dibimbing oleh AUNUDDIN

dan KAMAN NAINGGOLAN.

Produk Domestik Bruto (PDB) merupakan salah satu indikator untuk mengukur kinerja para pelaku usaha di sektor pertanian. PDB sektor pertanian sangat dipengaruhi oleh PDB sub sektor tanaman bahan makanan sehingga perhitungan PDB sektor pertanian dapat didekati dengan menghitung nilai produksi komoditas utarna tanaman bahan makanan yaitu padi dan jagung.

Produksi dipengaruhi oleh luas panen, produktivitas, harga jual komoditas, dan harga sarana produksi. Antar peubah tersebut terdapat hubungan timbal balik sehingga diperlukan suatu model untuk menggambarkan sistem yang terjadi dalam usaha pertanian. Model vector autoregression (VAR) merupakan suatu sistem persamaan dinamis yang dapat digunakan untuk menguji hubungan antar peubah. Penelitian ini bertujuan untuk: (1) mengkaji model VAR dalam menguji hubungan antar peubah yang mempengaruhi PDB sub sektor tanaman bahan makanan, dan (2) meramalkan PDB sub sektor tanaman bahan makanan dengan menggunakan model VAR.

H a i l penelitian menunjukkan bahwa luas panen, harga komoditas, dan harga sarana produksi berpengaruh nyata terhadap PDB tanaman bahan makanan. Model yang diperoleh juga dapat menggambarkan adanya sistem pergiliran tanam antara padi dan jagung. Sistem tersebut terjadi karena adanya keterbatasan modal dan luas area yang diusahakan petani sehingga petani tidak dapat melakukan ekspansi secara cepat terhadap perubahan teknologi. Hasil peramalan PDB tanaman bahan makanan untuk satu tahun kedepan menunjukkan bahwa PDB akan mencapai Rp. 127163.48 milyar pada tahun 2004 atau naik 4.49%

PENDAHULUAN

Latar Belakang

Berbagai kebijakan makroekonomi telah diupayakan pemerintah sebagai fasilitator dan dinamisator untuk menciptakan iklim usaha yang lebih kondusif. Para pelaku ekonomi serta seluruh komponen masyarakat diharapkan secara bertahap mampu berperan aktif dalarn menyelaraskan perekonomian Indonesia. Untuk menilai keberhasilan dan peranan pelaku ekonomi dibutuhkan berbagai indikator yang dapat mengukur secara konsisten perkembangan kinerja mereka dari waktu ke waktu. Ukuran paling komprehensif untuk menilai tingkat aktivitas

ekonomi suatu negara adalah nilai Produk Domestik Bruto (PDB) negara tersebut (Lipsey et al. 1995). PDB merupakan jumlah nilai tambah bruto yang dihasilkan oleh unit-unit produksi yang beroperasi di wilayah suatu negara dalam jangka waktu tertentu (BPS 2002). Secara sektoral PDB Indonesia didukung oleh 9 sektor

ekonomi termasuk di antaranya sektor pertanian. Sektor pertanian memberikan kontribusi sekitar 15% terhadap total PDB Indonesia dan menempati peringkat ketiga setelah sektor industri pengolahan dan sektor perdagangan, hotel, dan restoran.

Di sektor pertanian, PDB diperoleh dari sumbangan sub sektor tanaman bahan makanan, tanaman perkebunan, peternakan dan hasil-hasilnya, kehutanan, dan perikanan. Dari kelima sub sektor tersebut sub sektor tanaman bahan makanan memegang peranan yang sangat dominan dalam memberikan kontribusi terhadap PDB sektor pertanian dengan kontribusi rata-rata per tahun mencapai

lebih dari SO%, sehingga fluktuasi PDB sektor pertanian cenderung mengikuti fluktuasi PDB sub sektor tanaman bahan makanan. Tanaman bahan makanan umurnnya diproduksi oleh petani kecil, mencakup komoditas padi, palawija, sayuran, dan buah-buahan. Sub sektor ini menjadi penting karena peranannya dalam penyerapan tenaga ke rja serta penyediaan pangan dan gizi masyarakat. Dari sisi penyerapan lapangan kerja, sebanyak 44.34% tenaga kerja terserap di sektor pertanian dari total tenaga kerja Indonesia (Abdurachman 2004).

Gambar

+7

Referensi

Melihat

Unduh sekarang ( PDF - 109 Halaman - 2.39 MB )

Garis besar

Kajian produk domestik bruto tanaman bahan makanan melalui model vector autoregression

Dokumen terkait

Analisis Kekuatan Tarik Terhadap Sambungan Baut Bilah Ganda Pada Plat Baja ST 42

Dari hasil pengujian uji tarik yang telah dilakukan untuk logam hasil pembautan, dengan menggunakan sambungan baut bilah ganda posisi baut horizontal dan

bergradasi halus, mineral filler, air dan bahan tambah lainnya dicampur secara merata dan dihampar di atas permukaan berbentuk bubur aspal atau

Bubur Aspal Emulsi (slurry seal) adalah salah satu penerapan preservasi jalan berupa penambahan lapisan tipis dengan tebal maksimum 10 mm yang terdiri dari

BAB II HUKUM PERJANJIAN SECARA UMUM. mengatur tentang perikatan (verbintenissenrecht), di mana tercakup pula

(Selanjutnya disebut Salim HS-I).. Kata sepakat harus diberikan secara bebas, dalam arti tidak ada paksaan, penipuan, dan kekhilafan. Suatu perjanjian dapat dibatalkan,

PENERIMAAN PESERTA DIDIK BARU (PPDB) PADA SMAN & SMKN PROVINSI JAWA TENGAH TAHUN PELAJARN 2021/2022

b) Calon Peserta Didik yang mendaftar melalui jalur prestasi di dalam wilayah zonasi, tidak dapat melakukan pendaftaran melalui jalur zonasi, dan dapat mendaftar melalui jalur

PENERAPAN MODEL PEMBELAJARAN LEARNING CYCLE 5E FASE UNTUK MENINGKATKAN HASIL BELAJAR SISWA KELAS IV TEMA 8 DI SD NEGERI LIDAH WETAN II/462 SURABAYA

Diantara instrument yang digunakan oleh peneliti dalam penelitian adalah: (1) lembar observasi aktivitas guru, digunakan observer untuk mendapatkan data penilaian tingkat

BUPATI TAPIN PROVINSI KALIMANTAN SELATAN PERATURAN DAERAH KABUPATEN TAPIN NOMOR 07 TAHUN 2015 TENTANG PENYELENGGARAAN PERUMAHAN DAN PERMUKIMAN

(5) Dalam hal pembangunan perumahan dengan hunian berimbang tidak dalam satu hamparan sebagaimana dimaksud pada ayat (4), pembangunan rumah sederhana harus dilaksanakan

Program Simpan Pinjam Khusus Perempuan bagi Peningkatan Perekonomian Masyarakat

melaksanakan ketentuan dalam PNPM- MP. Untuk mengoptimalkan pengelolaan program, bagi kecamatan yang memiliki jumlah desa lebih dari 20 disarankan untuk

BAB I PENDAHULUAN. Pendidikan dewasa ini sudah banyak melahirkan berbagai macam model

Lembaga pendidikan merupakan hal yang sangat urgen dalam mencapai keberhasilan proses pendidikan karena lembaga berfungsi sebagai mediator dalam mengatur jalannya